分类： AI 资讯

普林斯顿AI Lab发布SSoN基准：人类83.3%准确率，大模型最高仅39.7%

普林斯顿大学AI Lab推出静态跨视角空间理解基准SSoN，人类准确率83.3%，参测主流视觉语言模型最高仅39.7%。这说明当前大模型在3D空间几何推理上仍有明显短板。

arXiv 上一篇新论文用乳腺影像报告抓取任务，实测传统 RPA 与基于大模型的自主智能体（APA）方案。在接口稳定的前提下，RPA 准确率更高、速度快约 13 倍、单份报告成本低约 6 倍，说明“智能体自动化”并非在所有场景都优于确定性脚本。

论文提出“targeted guidance”框架，在 agentic 多轮软件工程任务中，仅对失败回合注入文本反馈做在线自蒸馏，并与逐条准则的 RL 奖励结合，以在不明显拖累基线 RL 表现的前提下学习原本难以优化的行为。目前信息来自论文摘要与页面概述，尚未显示已产品化或经同行评审。

微软正在为Outlook搜索测试一款专用小型语言模型，负责对已有搜索结果重新排序，以提升邮件检索的准确性和相关性，目前仍处于内部测试阶段。

arXiv 2026年11月4日收录的论文提出 LaplaceDiag，通过监测执行器对传感器影响的变化来缩小故障设备排查范围，为异常检测与根因定位之间补上一环。

alphaXiv 收录的论文提出 GSBR 方法，用“支持区距离”替代行为克隆的强约束，在四个机器人基准的 19 个任务上把基础策略平均成功率从 33% 提升到 95%。

2026年11月4日，存算一体AI芯片公司后摩智能宣布完成数十亿元B轮融资，资金将用于端侧大模型芯片的研发迭代、量产交付与生态扩展，反映资本对低功耗高算力路线的持续押注。

YouTube 将测试于美国的“替换歌曲”工具推向全球，创作者收到音频版权申诉后，可让 AI 即时生成四段免版税伴奏替换原曲，Content ID 申诉随之解除。

arXiv 上出现一篇新论文，提出免训练的长链推理模型合并框架 LHM，试图在保留推理能力的同时大幅压缩冗长输出；据摘要，它在 1.5B 与 7B 模型、多个数学基准上优于 ACM-TIES 和 ORCA，但尚需全文与更多任务验证。

在2026年乌镇世界互联网大会上，数据显示中国大模型在OpenRouter平台的周token调用量已连续27周超过美国，DeepSeek位列全球第一；同时海外企业和开发者正把中国开源模型用于实际工作。这说明开源路线正在成为AI竞争的关键变量。